五年前是“自動駕駛”汽車可預測性炒作週期的高峰期。當時，幾乎所有主要的汽車製造商和高科技公司都預測，到2020年將廣泛部署自動駕駛系統（ADS），據稱這將迅速導致傳統人類駕駛被淘汰。
事後看來，很明顯，那個時期的普遍觀點是錯誤的，去年在公共道路上行駛的先進原型車寥寥無幾，而且當自動化系統需要人工幫助時，無需車載安全駕駛員進行干預。“自動駕駛”一詞已經失去了最初的預期含義，因為被貼上“完全自動駕駛”標籤的汽車上的駕駛輔助功能在沒有持續的人工監督的情況下無法操作，而且對於當今的自動化而言，“汽車”遠不如卡車、公共汽車和共享乘車麵包車重要。
到2018年，在ADS上投入最多的主要公司（Waymo、通用汽車、福特、Aurora）的執行長們開始公開宣告，緩和他們早期的樂觀情緒，指出自動駕駛的推廣將是漸進式的，首先在條件受限、位置嚴格受限的情況下開始運營。按照他們現在的速度，擴充套件到接近全國範圍的部署將需要幾十年時間。組織學習曲線和成本遠比預期的要長和高。在ADS開發上投入了至少十年時間和數十億美元之後，這些公司已經瞭解到，支援該技術廣泛應用的技術要求遠比他們最初設想的要複雜得多。與此同時，像特斯拉和不太成熟的初創公司仍在鼓吹更快、更大規模的部署，它們仍在努力攀登學習曲線，還沒有意識到自己離目標有多遠。
支援科學新聞報道
如果您喜歡這篇文章，請考慮透過以下方式支援我們屢獲殊榮的新聞報道 訂閱。透過購買訂閱，您正在幫助確保有關塑造我們當今世界的發現和想法的具有影響力的故事的未來。
對於該技術及其近期部署的幾個關鍵方面，知識淵博的ADS開發者之間正在達成共識
在未來幾年內，自動化操作僅在狹義定義的條件下才可行，這些條件包括良好的天氣、光照、交通和已進行高精度地圖繪製（並且在許多情況下，配備了合適的物理和數字基礎設施支援功能）的電子地理圍欄位置。
由於ADS需要避免它們遇到的所有交通危險，而無需人工駕駛員干預，因此這些系統必須比依賴人工監督的駕駛輔助系統具有更高的安全保證水平。
ADS需要依賴關於駕駛環境及其危險的多個獨立資訊來源。這些資料來自攝像頭、雷射雷達（光探測和測距系統）、雷達和精確定位，並結合了高度詳細的數字地圖。
儘管許多ADS開發者聲稱能夠無需依賴來自其他車輛的無線通訊——或來自弱勢道路使用者和實際路邊基礎設施本身的警報——即可駕駛，但最近的研究表明，在沒有這種合作通訊的情況下廣泛使用ADS可能會對交通流量、能源使用和環境排放產生不利影響，因為它們無法預測未來道路狀況的變化。
該技術最初將應用於專門用途，例如本地包裹遞送、高速公路上的長途貨運、固定路線上的城市交通服務，以及在更有限的地點，用於城市和郊區的自動乘客叫車。
即使當ADS能夠駕駛車輛而無需車載人工駕駛員作為後備時，它們仍然需要來自熟練駕駛員的人工遠端支援，以管理自動化無法處理的“極端情況”條件。
這些結論來源於該技術開發者們吸取的一些基本教訓。其中最重要的是，駕駛任務固有的複雜性使得自動化系統難以準確感知駕駛環境、預測其他道路使用者的行為以及識別和應對交通危險。
就像孩子們學習控制自己的動作一樣，ADS需要先學會爬行才能行走，先學會行走才能跑步。這就是為什麼它們必須首先在簡單的環境中實施和完善，然後再處理與不可預測的道路使用者（包括行人和騎腳踏車的人）的複雜互動，或在不利天氣條件（如大雨、雪、霧和結冰道路）下的操作。
ADS需要感知周圍環境，並使用基於多種基本物理原理的技術來確定自身位置，以提供安全的操作。它們需要應對由雷暴或附近電氣裝置的電磁干擾、可能使攝像頭失明的低太陽角度、會擴散成像感測器所需光線的降水或煙霧，以及針對車輛任何感測器技術的網路攻擊所帶來的不利條件。還需要有關附近基礎設施以及附近其他移動物體的相對速度的資訊。來自所有這些感測器的資料必須融合在一起，以準確地表示車輛周圍的區域並隔離任何錯誤的輸入。
與這種環境感知水平相關的感測器要求以及資料處理和儲存將使ADS技術在可預見的未來變得昂貴。如果要取代駕駛員的全部技能而不損害安全性，這些費用是不可避免的。
這些費用也推動了ADS最初在商用車輛車隊中部署的商業案例，這些車隊可以全天使用以產生收入，而不是像大多數私人擁有的車輛那樣每天只運營一到兩個小時。商用車輛車隊在自動化技術仍在完善時提供了進一步的優勢。更容易正確維護車隊上的敏感元件，並且車隊運營有利於在需要時對車輛進行遠端支援。
自動駕駛的遠端人工支援是一個重要的話題，但尚未受到應有的公眾關注。幾乎每一家沒有車載人工駕駛員的ADS開發者都期望依靠車隊管理中心的人員來幫助系統在需要時做出戰術駕駛決策。人工助手可以彌補車輛上的硬體和軟體故障，但主要是在具有挑戰性的交通情況下提供建議，例如繞過暫時阻礙車輛預定路線的障礙物，確定何時可能需要違反交通規則來處理特定的異常情況，識別交警指揮交通的手勢，以及識別車輛路徑中的物體。一些開發者還在考慮遠端駕駛功能，即車隊管理中心的人員將駕駛車輛完成ADS無法處理的部分行程。這些遠端支援功能在ADS部署的早期，即技術正在完善的過程中，將尤為重要。它們還將為許多工作將逐漸被ADS取代的駕駛員提供就業機會。遠端駕駛的工作條件可能比傳統的長途卡車駕駛更具吸引力，使駕駛員可以在離家近的地方工作，在那裡他們可以避免與傳統卡車駕駛相關的身體不適和安全風險。
儘管幾年前最受歡迎的自動駕駛預期用途是自動叫車乘客服務，但人們的興趣已顯著轉向貨物的自動運輸——長途州際公路上的重型卡車自動駕駛以及用於城市和郊區本地包裹遞送的小型低速車輛。這種重點的轉變在疫情之前就開始了，但在COVID危機期間加速了。叫車服務具有最有利的需求曲線、短途行程長度和在人口稠密的城市地區共享乘車。這些地方對於ADS來說是技術上最具挑戰性的環境。相比之下，州際公路上的長途貨運業務面臨更簡單的交通和道路基礎設施條件，特別是如果自動駕駛行程的起點和終點直接連線到限制通行的高速公路。城市和郊區包裹遞送可以使用對於人類乘員來說太小的車輛，並且可以在人行道或腳踏車道上以低速行駛。貨運車輛還具有額外的優勢，即它們可以被設計成格外小心地駕駛，以避免與其他道路使用者發生衝突，而無需擔心乘客的不耐煩或保護自身乘員免受傷害的需求。
並非所有ADS公司都採用了這種方法。特斯拉是ADS部署行業其他公司的明顯異類。它一直奉行傳統的汽車行業模式，即銷售私人擁有的個人車輛以滿足所有用途，並試圖透過在其當前的駕駛輔助系統基礎上構建來提升其ADS能力，而不是設計一個具有所需更高水平的冗餘和故障管理的系統。該公司最近將其方法重點放在完全依賴機器視覺上，避免使用提供有關車輛周圍環境關鍵資訊的互補感測器或精密地圖和定位。
特斯拉的方法降低了生產成本，但似乎排除了在面對不可避免的交通和環境條件變化時實現安全可靠效能的可能性。該公司在其當前產品中使用“Autopilot”和“Full Self-Driving”的名稱，給公眾對其產品的能力造成了嚴重的困惑。更令人困惑的是，特斯拉的使用者手冊和致政府安全監管機構的信函已將該技術描述為駕駛輔助系統，而不是自動駕駛系統。事實上，特斯拉使用“Full Self-Driving”名稱已經造成了嚴重的公眾誤解，以至於最初被稱為谷歌“自動駕駛汽車專案”的Alphabet旗下公司Waymo宣佈將不再使用“自動駕駛”一詞。
在面對全部交通危險以及內部硬體和軟體故障的同時，確保ADS執行的安全性仍然是部署的主要技術挑戰。ADS研究人員和開發者已經研究了各種安全保證方法，但尚未就最佳選擇達成共識。安全保證挑戰遠遠超出技術考慮因素，而是始於更廣泛的社會決策，即如何確定ADS投入公共服務“安全到什麼程度才算足夠安全”。需要就相關的安全衡量標準達成一致，以便監管機構和公眾能夠對公共部署感到放心。ADS開發者還需要學習如何以監管機構和公共利益團體能夠清晰準確理解的方式呈現他們高度技術性的安全評估，以贏得信任和接受。
儘管一些觀察家可能認為，在當前後炒作環境中，自動駕駛的“玫瑰花已不再鮮豔”，但目前的狀況實際上標誌著進步的跡象。對自動駕駛的機遇和挑戰更為現實的看法將促使資源得到更好聚焦的投資，並使公眾認知與現實相符。我們應該預計，在本十年內，在低密度農村高速公路上將實現一些有限的自動長途貨運應用，以及在城市和郊區環境中實現自動本地小包裹遞送。自動城市和郊區叫車服務也可能在有限的基礎上提供，但其部署面臨的特定地點挑戰足以表明，這種情況不太可能很快達到全國範圍。